Dane z sensorów – jak je pozyskać i co z nimi zrobić. Potęga danych – możliwości, jakie daje nam technologia

Wspomniana adopcja chmury daje ogromne możliwości przedsiębiorstwom, aby stosować rozwiązania skrojone pod ich biznesy. Chmura, napędzająca cyfrową transformację, sprawiła, że rozwiązania, które niegdyś były dostępne dla wybranych z powodu wysokich kosztów implementacji, teraz są w zasięgu ręki dla wszystkich.

Tworzenie modeli biznesowych na platformie dzięki udostępnieniu mocy obliczeniowej chmury pozwala na gromadzenie i wydobywanie ogromnych wolumenów danych, które mogą zostać następnie wykorzystane w analityce biznesowej. Dodatkowo ewolucja technologiczna w telekomunikacji, mam na myśli wprowadzanie sieci 5G, otwiera przed nami drogę do nowych rozwiązań. Około 60-krotnie większy przepływ transferu (prędkość transferu 20 Gb/s – pobieranie, 10 Gb/s – wysyłanie), około 6-krotnie zmniejszenie opóźnień w przesyle danych (4-5 milisekund), możliwość podłączenia 100 urządzeń na metr kwadratowy oraz utrzymanie połączenia przy prędkości przemieszczania się do 500 km/h daje możliwość szybszego reagowania, tj. podejmowania decyzji tu i teraz, w świecie rzeczywistym. Zdecydowanie te technologie umożliwią dalszy rozwój takich obszarów jak np. Przemysł 4.0 (automatyzacja fabryk i optymalizacja procesów produkcyjnych) czy Internet Rzeczy (więcej urządzeń podłączonych do sieci, które mogą się ze sobą komunikować).

Świadomość wartości danych w organizacjach

Organizacje stają się coraz bardziej świadome wartości, jakie niesie ze sobą podejmowanie decyzji na bazie danych. Zauważają, że dane służą im do zderzania swoich wyobrażeń z rzeczywistością, co pozwala w lepszy sposób zarządzać przedsiębiorstwem. Budowanie kultury organizacji opartej na danych (data-driven organization), staje się jednym z głównych celów przedsiębiorców. Pozwala im ona w bardziej świadomy sposób kierować swoją organizacją, zdobywać przewagę konkurencyjną oraz szukać rozwiązań, aby stawiać czoła globalnym problemom. Jedną z takich firm jest firma L’Oréal, która podjęła poważne kroki w tym kierunku w swoim podwarszawskim zakładzie już w 2020 r., zaczynając od dogłębnej analizy procesów logistyki wewnętrznej. Zmiany, które wtedy nadeszły w związku z pandemią, spowodowały, że trzeba było w nowy sposób spojrzeć na działanie fabryki. W artykule ,,Automatyzacja w przemyśle kosmetycznym”, opublikowanym w tegorocznym czerwcowym wydaniu Świata Przemysłu Kosmetycznego, spółka podkreśla, że,,w procesie przygotowywania do wdrażania automatyzacji najważniejsza jest praca na danych. Aby skutecznie i efektywnie, a przede wszystkim mając uzasadnienie biznesowe wprowadzać automatyzację, inwestycje w procesie magazynowania i intralogistyki niezbędne jest poznanie procesów w sposób liczbowy”. Zaprezentowane podejście umożliwiło L’Oréal ocenić opłacalność inwestycji związanej z wdrożeniem wózków AGV dzięki zebraniu danych o lokalizacji oraz ruchu wózków zaangażowanych obecnie w ten proces. Analiza zgromadzonych z sensorów danych pozwoliła im zweryfikować, czy są gotowi na zmiany i znaleźć odpowiedź na pytania: dlaczego tak/dlaczego nie, a jeśli nie, to co wymaga poprawy. Ta wiedza stała się punktem wyjścia do poszukiwania rozwiązań innych niż automatyzacja, bardziej leanowych, dających dużo szybszy zwrot z inwestycji, a często nawet bezkosztowych. Pozwoliło to znacznie lepiej ulokować budżet inwestycyjny. Na tym przykładzie widać, że znajomość swoich procesów w sposób liczbowy jest niezbędna, aby móc oszacować opłacalność inwestycji w nowe technologie oraz podejmować racjonalne decyzje o ich wdrożeniu. Taki sposób działania będzie już niedługo standardem, ale będą mogły wdrożyć go tylko takie organizacje, które dostrzegą, jaki potencjał dają wiarygodne dane przy zarządzaniu firmą i zbudują kulturę organizacji opartej na danych.

Co stoi na przeszkodzie, aby stać się organizacją data-driven?

Określenie „data-driven organization” jest dość nowe, więc nie zawsze jest zrozumiałe. Podstawowym błędem jest sprowadzanie go tylko do obszaru technologii, podczas gdy, aby stworzyć organizację opartą na danych, niezbędne jest wzięcie pod uwagę większej liczby obszarów, tj. narzędzi, procesów, ludzi oraz kultury organizacyjnej. Pracownicy muszą rozumieć istotę danych i chcieć z nich korzystać, aby wspólnie realizować cele organizacji. Idea opierania się na danych nie jest oczywiście nowa. Już Peter Drucker mówił, że ,,nie można zarządzać czymś, czego nie można zmierzyć”. Od tego czasu nastąpił jednak olbrzymi postęp technologiczny i teraz możemy zbierać dużo dokładniejsze oraz wiarygodne dane.

Z tym jednak wiąże się wiele nowych wyzwań, bo musimy nauczyć się, jak je lepiej rozumieć i interpretować, aby wykorzystać je do naszych celów. Wynika to z tego, że ilość, często nieustrukturyzowanych danych, które gromadzimy, staje się coraz większa, stąd bez odpowiedniej analizy i kontekstu są one bezużyteczne. Zresztą nawet jeżeli posiadamy już dobrej jakości dane, to niewiele firm produkcyjnych ma kompetencje do ich analizy, ponieważ brakuje im odpowiednich specjalistów – wiele systemów ma przestarzałe protokoły zapisu lub przetwarzania danych, stąd ciężko je zintegrować czy porównać w odpowiedni sposób. Nie dziwią więc wyniki badań NewVentage Partners przeprowadzonego z ponad 70 dyrektorami zarządzającymi z listy Fortune 1000. Aż 98,8% z uczestników zadeklarowało, że inwestuje w inicjatywy związane z danymi, ale jedynie 37,8% z nich uznało, że ich firmom udało się stworzyć organizacje oparte na danych. Widać zatem, że cały ten proces nie jest aż tak prosty i wymaga odpowiedniego przygotowania. Oprócz inwestycji w technologie, które dostarczają nam danych, niezbędna jest ich odpowiednia analiza i poznanie kontekstu. Mimo że jest to długi proces, warto podjąć starania, ponieważ korzyści płynące z danych są ogromne i długofalowe. Wracając do przykładu analizy procesu logistyki wewnętrznej: mając dokładne dane o czasach i trasach wózków zajmujących się dowożeniem komponentów na linię produkcyjną, np. w pętli mleczarza, możemy dokładnie określić liczbę zasobów niezbędnych do prawidłowego funkcjonowania procesu. Dodatkowo pomiary w czasie rzeczywistym mogą pomóc obniżyć ryzyko zatrzymania produkcji z powodu niedostarczonych na czas i w odpowiedniej ilości surowców. Należy jednocześnie pamiętać, że dane mają funkcję wspomagającą i nie zastąpią w procesie decyzyjnym doświadczenia. Pozwolą natomiast na lepsze wykorzystanie czasu, ponieważ uwalniają czas, jaki jest konieczny na obserwację procesu i znalezienie źródeł problemów.

Jakie dane można zbierać za pomocą sensorów?

Głównym zadaniem czujników jest wykrywanie zmian zachodzących w środowisku, które odbiegają od przyjętych norm. W firmach produkcyjnych używane są czujniki indukcyjne, pojemnościowe, optoelektroniczne, pola magnetycznego, ultradźwiękowe, ciśnienia, temperatury i wiele innych. W zależności od rodzaju i przeznaczenia jedne mogą ustalać poziom cieczy, granulatów i proszków, inne pozwalają na wykrywanie obecności obiektów i kontrolowanie kształtu, koloru czy odległości lub grubości obiektu, a jeszcze inne pozwalają kontrolować temperaturę i ciśnienie w cieczach lub gazach czy przepływy mediów. Większość z tych czujników jest dostępna na rynku bez większych zmian od wielu lat, ale od niedawna ich przydatność znacznie się poprawiła dzięki możliwości podłączenia ich do Internetu (tzw. Internet Rzeczy, czyli IoT) oraz dodania do nich procesorów o dużej mocy przetwarzających zbierane dane na miejscu.

Największy postęp dokonał się prawdopodobnie w obszarze rozpoznawania obrazu, który wymaga zaawansowanych algorytmów oraz dużej mocy obliczeniowej. Dzięki tym ulepszeniom informacje o zmianach istotnych parametrów zostają przekazane od razu do innych urządzeń czy systemu zarządzającego, co umożliwia reakcję na problemy od razu. Ma to szczególne znaczenie w sytuacjach związanych z bezpieczeństwem pracowników, kontrolą jakości oraz zarządzaniem pracą maszyn. Sensory mogą więc pomóc zatrzymać maszynę, zanim ulegnie awarii (predictive maintenance), poinformować przełożonych o tym, że pracownik porusza się bez kasku bądź o niewłaściwie przeprowadzonym zadaniu i wiele innych. Zebrane dane mogą być następnie wykorzystane do lepszego planowania procesów oraz zasobów.

Zastosowanie sensorów w przemyśle kosmetycznym

Produkcja kosmetyków wymaga zachowania bardzo wysokich parametrów jakościowych, co nie zawsze jest łatwe, biorąc pod uwagę dużą liczbę surowców oraz częste przezbrojenia wymagane z powodu dużej różnorodności asortymentu. Pomyłki są kosztowne, co sprawia, że bardzo wartościowa jest możliwość monitoringu procesu na żywo oraz jego audytu, aby zobaczyć, gdzie nastąpił błąd. Część danych można uzyskać bezpośrednio z maszyn lub oprogramowania typu MES, ale warto też zamontować dodatkowe czujniki, które mogą pomóc zapobiec występowaniu błędów ludzkich, np. upewnienie się, czy surowiec został dowieziony w odpowiednie miejsce z magazynu na produkcję. Rozwiązaniem wykorzystanym przez L’Oréal jest system monitoringu ruchu wózków widłowych, dostarczony przez firmę Indoorway. System ten pozwala na stałe pomiary lokalizacji wózków (na podobnej zasadzie jak GPS, ale przy bardzo dużej dokładności wewnątrz hal produkcyjnych i magazynowych) oraz analizę ich pracy, a przy połączeniu z systemami zarządzającymi magazynem oraz produkcją w automatyczny sposób może dostarczać informacji o prawidłowości przebiegu procesu logistyki wewnętrznej.

W przypadku L’Oréal Warsaw Plant analiza miejsc postojów wózków pokazała, który etap procesu kompletacji zajmuje najwięcej czasu i doprowadziła do zmiany miejsca poboru etykiet. Tego typu optymalizacje procesów są możliwe tylko w oparciu o dane. Doświadczony kierownik na pewno będzie w stanie zidentyfikować różnego rodzaju marnotrawstwa procesowe, ale nie będzie miał czasu ani narzędzi, żeby dokładnie określić ich skalę oraz przyczyny występowania. Dzięki danym o lokalizacji wózków można również definiować standardy pracy i realne cele związane z wydajnością oraz wielkością floty środków transportu wewnętrznego, a także poprawić bezpieczeństwo pracowników.

Dane lokalizacyjne są bardzo dobrym krokiem do budowania data-driven organization, ponieważ są zrozumiałe i proste w interpretacji dla pracowników na wszystkich szczeblach organizacji.

Podobieństwo do GPS, systemu używanego powszechnie, jest tu bardzo pomocne, choć system analityczny przeznaczony dla firm produkcyjnych daje dużo więcej danych – czas przebywania w strefach, czasy cykli (np. kompletacja), długość poszczególnych tras, czas nieaktywny i wiele innych. Łukasz Chochel, kierownik magazynu w L’Oréal Warsaw Plant, zauważa, że angażowanie pracowników niższego szczebla w przeglądanie danych oraz na ich podstawie planowanie zmian pozwala na wypracowanie standardów, pod którymi wszyscy mogą się podpisać. Praca na danych zapobiega wręcz potencjalnym konfliktom pomiędzy pracownikami a kadrą zarządzającą, ponieważ przeprowadzanie rozmów z pracownikami w oparciu o dane pozwala całościowo spojrzeć na procesy, a nie tylko na pojedynczą operację. W efekcie powoduje to uzyskanie od pracowników bardziej merytorycznych uwag, skupieniu się na konkretnych powodach i trudnościach, które uniemożliwiają im wykonanie zadania w określony sposób – uważa Łukasz Chochel.

Dane pomagają też kierownikom średniego szczebla w zbudowaniu argumentacji dla zarządu dla proponowanych inicjatyw. Jest to szczególnie istotne w przypadku propozycji inwestycji (np. w nowe Produkcja, ludzi, środki transportu, narzędzia), które muszą być poparte analizą liczbową.

Podsumowanie

Wolumen danych pozyskiwanych z sensorów IoT z roku na rok jest coraz większy dzięki postępowi technologicznemu. Dostarcza on szereg korzyści, ale aby organizacje mogły je wykorzystać, muszą rozpocząć budowanie kultury opartej na danych (data-driven organization) oraz nauczyć się poddawać nieustrukturyzowane dane stosownej obróbce. Odpowiednia analiza dobrej jakości danych pozwala na poznanie procesów w sposób liczbowy, a co za tym idzie zidentyfikowanie niedoskonałości procesowych oraz otwiera drogę do optymalizacji. Na podstawie danych organizacje będą mogły oszacować opłacalność nowych inwestycji czy wypracować odpowiednie standardy pracy. Dodatkowo dane z sensorów IoT pozwalają lepiej zadbać o kwestie, takie jak bezpieczeństwo pracowników, kontrola jakości czy zarządzanie parkiem maszynowym, ponieważ dostarczają informacje w czasie rzeczywistym. Oczywiście nawet najlepszej jakości dane nie zastąpią pracowników, ale za to pomogą podejmować im szybsze i lepsze decyzje, reagować lepiej na zaistniałe sytuacje i dodawać wartość tam, gdzie Produkcja jeszcze długo nam nie dorównają.

Bibliografia

1. Automatyzacja w przemyśle kosmetycznym, Świat Przemysłu Kosmetycznego, Farmacom, nr 2/2022.

2. 2020 NewVantage Partners survey of C-suite executives.

Artykuł został opublikowany w kwartalniku "Świat Przemysłu Kosmetycznego" 3/2022